AI สามารถคิดได้จริงหรือ?

บริษัทต่างๆ เช่น OpenAI และ DeepSeek กำลังผลักดันแชทบอทที่ใช้การคิดเชิงเหตุผล ซึ่งสามารถทำงานได้ดีขึ้นในงานคำนวณบางประเภท

แชทบอทของ OpenAI กำลังพัฒนาไปด้วยเทคโนโลยีใหม่ๆ ภาพ: New York Times

ในเดือนกันยายน พ.ศ. 2567 OpenAI ได้เปิดตัว ChatGPT เวอร์ชันที่บูรณาการโมเดล o1 ซึ่งสามารถให้เหตุผลในงานที่เกี่ยวข้องกับคณิตศาสตร์ วิทยาศาสตร์ และการเขียนโปรแกรมคอมพิวเตอร์ได้

ต่างจาก ChatGPT เวอร์ชันก่อนหน้า เทคโนโลยีใหม่จะใช้เวลา "คิด" หาทางแก้ปัญหาที่ซับซ้อนก่อนที่จะตอบกลับ

หลังจาก OpenAI คู่แข่งหลายราย เช่น Google, Anthropic และ DeepSeek ก็ได้นำเสนอโมเดลการใช้เหตุผลที่คล้ายกันนี้ ถึงแม้จะไม่สมบูรณ์แบบ แต่ก็ยังคงเป็นเทคโนโลยีอัปเกรดแชทบอทที่นักพัฒนาหลายคนให้ความไว้วางใจ

AI ให้เหตุผลอย่างไร

โดยพื้นฐานแล้ว การใช้เหตุผลหมายถึงการที่แชทบอทสามารถใช้เวลาในการแก้ไขปัญหาที่ผู้ใช้เสนอได้มากขึ้น

“การใช้เหตุผลคือการที่ระบบจะทำงานได้มากขึ้นหลังจากได้รับคำถาม” Dan Klein ศาสตราจารย์ด้านวิทยาการคอมพิวเตอร์จากมหาวิทยาลัยแคลิฟอร์เนีย เบิร์กลีย์ กล่าวกับ นิวยอร์กไทมส์

ระบบการใช้เหตุผลสามารถแบ่งปัญหาออกเป็นขั้นตอนแต่ละขั้นตอน หรือแก้ปัญหาด้วยการลองผิดลองถูก

เมื่อเปิดตัวครั้งแรก ChatGPT สามารถตอบคำถามได้ทันทีโดยการดึงและสังเคราะห์ข้อมูล ในขณะเดียวกัน ระบบการให้เหตุผลต้องใช้เวลาอีกไม่กี่วินาที (หรือหลายนาที) เพื่อแก้ปัญหาและตอบสนอง

ตัวอย่างกระบวนการคิดเชิงเหตุผลของโมเดล o1 ในแชทบอทฝ่ายบริการลูกค้า ภาพ: OpenAI

ในบางกรณี ระบบการใช้เหตุผลจะเปลี่ยนวิธีการแก้ปัญหา เพื่อปรับปรุงวิธีแก้ปัญหาอย่างต่อเนื่อง อีกทางเลือกหนึ่งคือ แบบจำลองอาจลองวิธีแก้ปัญหาหลาย ๆ วิธีก่อนที่จะตัดสินใจเลือกวิธีที่เหมาะสมที่สุด หรือทดสอบความแม่นยำของคำตอบก่อนหน้า

โดยทั่วไป ระบบการใช้เหตุผลจะพิจารณาคำตอบที่เป็นไปได้ทั้งหมดสำหรับคำถามนั้น คล้ายกับนักเรียนชั้นประถมศึกษาที่เขียนตัวเลือกต่างๆ ลงบนกระดาษก่อนจะเลือกวิธีที่เหมาะสมที่สุดในการแก้ปัญหาคณิตศาสตร์

นิวยอร์กไทมส์ รายงานว่า ปัจจุบัน AI สามารถให้เหตุผลเกี่ยวกับหัวข้อใดก็ได้ อย่างไรก็ตาม การทำงานนี้จะมีประสิทธิภาพสูงสุดเมื่อมีคำถามเกี่ยวกับคณิตศาสตร์ วิทยาศาสตร์ และการเขียนโปรแกรมคอมพิวเตอร์

ระบบทฤษฎีได้รับการฝึกอบรมอย่างไร?

ในแชทบอททั่วไป ผู้ใช้ยังสามารถขอคำอธิบายเกี่ยวกับกระบวนการหรือตรวจสอบความถูกต้องของการตอบกลับได้ อันที่จริง ชุดข้อมูลการฝึก ChatGPT หลายชุดมีกระบวนการแก้ไขปัญหาอยู่แล้ว

ระบบการใช้เหตุผลจะยิ่งก้าวหน้าไปอีกเมื่อสามารถดำเนินการบางอย่างได้โดยไม่ต้องมีการร้องขอจากผู้ใช้ กระบวนการนี้มีความซับซ้อนและครอบคลุมมากกว่า บริษัทต่างๆ ใช้คำว่า "การใช้เหตุผล" เพราะระบบทำงานในลักษณะเดียวกับการคิดของมนุษย์

บริษัทหลายแห่งอย่าง OpenAI ต่างเชื่อมั่นว่าระบบการให้เหตุผลคือวิธีที่ดีที่สุดในการพัฒนาแชทบอทในปัจจุบัน หลายปีที่ผ่านมา พวกเขาเชื่อว่าแชทบอทจะทำงานได้ดีที่สุดหากได้รับการฝึกฝนจากข้อมูลให้ได้มากที่สุดเท่าที่จะเป็นไปได้จากอินเทอร์เน็ต

ภายในปี 2024 ระบบ AI จะกินพื้นที่เกือบทั้งหมดที่มีอยู่บนอินเทอร์เน็ต นั่นหมายความว่าบริษัทต่างๆ จะต้องค้นหาโซลูชันใหม่ๆ เพื่อยกระดับแชทบอท ซึ่งรวมถึงระบบการให้เหตุผลด้วย

สตาร์ทอัพ DeepSeek เคย "สร้างความฮือฮา" ด้วยโมเดลการให้เหตุผลที่มีค่าใช้จ่ายน้อยกว่า OpenAI ภาพ: Bloomberg

ตั้งแต่ปีที่แล้ว บริษัทต่างๆ เช่น OpenAI มุ่งเน้นไปที่เทคนิคที่เรียกว่าการเรียนรู้แบบเสริมแรง ซึ่งเป็นกระบวนการที่โดยทั่วไปใช้เวลาหลายเดือนและเกี่ยวข้องกับพฤติกรรมการเรียนรู้ของ AI ผ่านการลองผิดลองถูก

ตัวอย่างเช่น การแก้ปัญหาหลายพันข้อทำให้ระบบสามารถเรียนรู้วิธีการที่เหมาะสมที่สุดในการได้รับคำตอบที่ถูกต้อง จากนั้น นักวิจัยจึงสร้างกลไกป้อนกลับที่ซับซ้อน ซึ่งช่วยให้ระบบเรียนรู้วิธีแก้ปัญหาที่ถูกต้องและผิด

“มันเหมือนกับการฝึกสุนัข ถ้ามันได้ผลดี คุณก็ให้รางวัลมัน แต่ถ้าไม่ได้ผล คุณก็บอกว่า ‘สุนัขตัวนั้นแย่’” เจอร์รี่ ทูเรก นักวิจัยจาก OpenAI กล่าว

AI คืออนาคตหรือเปล่า?

ตามที่ นิวยอร์กไทมส์ รายงาน การเรียนรู้เชิงเสริมแรงใช้ได้ดีกับคำถามทางคณิตศาสตร์ วิทยาศาสตร์ และการเขียนโปรแกรมคอมพิวเตอร์ ซึ่งมีคำตอบที่ถูกหรือผิดที่กำหนดไว้อย่างชัดเจน

ในทางตรงกันข้าม การเรียนรู้แบบเสริมแรงนั้นไม่ได้ผลดีนักในการเขียน ปรัชญา หรือจริยธรรม ซึ่งยากที่จะแยกแยะระหว่างสิ่งที่ดีและไม่ดี แต่นักวิจัยกล่าวว่าเทคนิคนี้ยังสามารถปรับปรุงประสิทธิภาพของ AI ได้ แม้กระทั่งกับคำถามนอกเหนือจากคณิตศาสตร์

“ระบบจะเรียนรู้เส้นทางที่นำไปสู่ผลลัพธ์เชิงบวกและเชิงลบ” Jared Kaplan หัวหน้าฝ่ายวิทยาศาสตร์ของ Anthropic กล่าว

เว็บไซต์ของ Anthropic สตาร์ทอัพเจ้าของโมเดล AI ชื่อ Claude ภาพ: Bloomberg

สิ่งสำคัญที่ต้องทราบคือ การเรียนรู้แบบเสริมแรงและระบบการให้เหตุผลเป็นแนวคิดที่แตกต่างกัน กล่าวคือ การเรียนรู้แบบเสริมแรงเป็นวิธีการสร้างระบบการให้เหตุผล ซึ่งเป็นขั้นตอนสุดท้ายของการฝึกอบรมแชตบอตให้มีความสามารถในการใช้เหตุผล

เนื่องจากยังค่อนข้างใหม่ นักวิทยาศาสตร์จึงยังไม่สามารถยืนยันได้ว่าแชทบอทที่ใช้เหตุผลหรือการเรียนรู้แบบเสริมแรงจะช่วยให้ AI คิดได้เหมือนมนุษย์หรือไม่ สิ่งที่น่าสังเกตคือเทรนด์การฝึกอบรม AI ในปัจจุบันหลายอย่างพัฒนาอย่างรวดเร็วในช่วงแรกๆ แล้วก็ค่อยๆ ช้าลง

ยิ่งไปกว่านั้น แชทบอทที่ใช้เหตุผลก็ยังสามารถผิดพลาดได้ โดยพิจารณาจากความน่าจะเป็น ระบบจะเลือกกระบวนการที่ใกล้เคียงกับข้อมูลที่เรียนรู้มากที่สุด ไม่ว่าจะมาจากอินเทอร์เน็ตหรือผ่านการเรียนรู้แบบเสริมแรง ดังนั้น แชทบอทจึงยังคงสามารถเลือกวิธีการแก้ปัญหาที่ผิดหรือไม่สมเหตุสมผลได้

ที่มา: https://znews.vn/ai-ly-luan-nhu-the-nao-post1541477.html